论文研究基于DSTPCR5多目标自适应视觉跟踪方法.pdf

复杂场景下实现快速稳定的自适应跟踪是视觉领域亟待解决的课题之一，利用目标的多特征信息进行高效融合是提升跟踪算法鲁棒性能的重要途径。基于DST（Dempster-Shafertheory）和PCR5（proportionalconflictredistributionNo.5）设计了一种新的合并策略融合运动目标的颜色和纹理特征，在粒子滤波框架下建立复杂场景下的多目标自适应跟踪模型，最终实现了复杂场景下多特征信息融合的自适应视觉跟踪。实验结果及性能分析表明，该方法在不良的跟踪条件下，高冲突证据的自适应处理能力得到明显改善，有效提高了粒子的使用效率和跟踪的鲁棒性，可以较好地实现复杂场景下准确、稳定的多目标跟踪。